使用walktrap使用大量步骤检测网络社区

Question

我正在尝试使用＆＃34; walktrap的R实现在我的网络中找到社区。＆＃34;我的网络由大约300个节点组成，并且密集连接。正常的程序是使用4或5个步骤来指定随机游走的长度，但我尝试使用10000步只是为了看看会发生什么：

a=walktrap.community(g, weights = NULL, steps = 10000, 
    merges =TRUE, modularity = TRUE, membership = TRUE)  

得到的树形图看起来比只有4步的树形图更有意义。但我不明白为什么我会得到一个树状图。根据Pons和Latapy的论文，似乎无限步长极限内任意两个节点之间的距离变为零（r_ {ij}）。我的网络（g）是定向的，但是在手册中说在算法中忽略了方向。

任何人都可以对此有所了解吗？

Answer 1

如果您查看论文，那么您会发现＆＃34;真实＆＃34;实际上是纸的名称，
使用＆＃34; short＆＃34;在大型网络中计算社区。随机散步。 文章中的属性1告诉我们，当步长为无穷大时，顶点i和顶点j之间的距离仅取决于顶点j的程度。

所以，如果你设置一个非常大的步骤，你的图表是密集的（虽然我不知道你的图表有多密集）网络。顶点No.1和其他299个顶点之间的距离是相同的。它最终只会有一个社区。